Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Agri-Informatika
Indra Kusuma Budiyanto , Firgiawan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Performa Akademik Mahasiswa untuk Kelulusan Predikat Cum Laude dengan Pendekatan Machine Learning Indra Kusuma Budiyanto , Firgiawan; Hermadi, Irman; Hardhienata, Medria Kusuma Dewi
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 1 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.1.39-49

Abstract

Penelitian ini bertujuan untuk mengembangkan model yang dapat memprediksi jumlah mahasiswa yang lulus dengan predikat cum laude pada perguruan tinggi. Penelitian ini menggunakan algoritma machine learning untuk klasifikasi sehingga dapat dilakukan prediksi. Hasil dari penelitian ini menunjukkan efektivitas model dalam memprediksi kelulusan cum laude agar dapat memberikan kesempatan bagi universitas untuk meningkatkan kualitas lulusan secara keseluruhan dan mengatasi penurunan standar kelulusan yang mungkin terjadi. Prediksi jumlah mahasiswa cum laude dilakukan pada penelitian ini, untuk membantu proses pengambilan keputusan oleh pemangku kebijakan pada perguruan tinggi. Dengan memanfaatkan teknik machine learning, institusi dapat mengantisipasi dan mendukung mahasiswa dalam mencapai predikat cum laude, sehingga diharapkan dapat meningkatkan kualitas lulusan secara keseluruhan. Dalam penelitian ini, dibandingkan tiga algoritma machine learning yakni algoritma Naïve Bayes, Random Forest, dan C4.5 untuk melakukan prediksi kelulusan mahasiswa dengan predikat cum laude. Hasil penelitian menunjukkan bahwa dalam kasus ini kinerja terbaik dicapai oleh algoritma Naïve Bayes dengan nilai akurasi 87.60%, precision 86.70%, recall 92.10% dan F1-score 89.30%. Selain itu, algoritma Naïve Bayes juga menghasilkan nilai waktu komputasi terendah pada kasus yang diujikan dibandingkan dengan algoritma lainnya.
Co-Authors Hardhienata, Medria Kusuma Dewi Irman Hermadi